استخدام افراد با استعداد با کمک هوش مصنوعی [دکتر بهروز نقویان]

امروزه یکی از بزرگترین چالشهای پیش روی متخصصان منابع انسانی یافتن بهترین استعداد برای استخدام است. این وظیفه در گذشته سنگین بوده است ، که بخشی از آن به دلیل کارهای دستی ناکارآمد است که روند استخدام و عدم دسترسی به داده های مناسب برای تصمیم گیری آگاهانه بود.

در کنار تحول دیجیتال طی دهه گذشته ، توسعه دهندگان روی هوش مصنوعی کار کرده اند تا به ما در انجام کارهای زمان بر ، صرفه جویی در وقت و بهبود زندگی روزمره کمک کنند. این ماشین های خودآموز می توانند حجم عظیمی از داده ها را در میلی ثانیه تجزیه و تحلیل کنند و بینش هایی را فراهم آورند که ما را باهوش تر ، کارآمدتر و در کارهای روزمره بهتر می کند.

این دلیل کلیدی است که امروزه هوش مصنوعی یکی از داغترین موضوعات در دنیای تجارت است زیرا مدیران به دنبال روش هایی هستند تا نه تنها کارآمدتر شوند ، بلکه در انجام کارها نیز بهتر عمل کنند.

در استعدادیابی ، ابزارهای جذب مانند سیستم های ردیابی متقاضی توانسته اند فرایندهای پیش پا افتاده را به صورت خودکار انجام دهند تا به شما در صرفه جویی در وقت کمک کنند و بهشناسایی و هدف قرار دادن خودکار نامزدهای مرتبط که نزدیکترین شرایط را دارند ، کمک کند. 80٪ مدیران معتقدند که هوش مصنوعی می تواند به روند استخدام آنها موثرتر کمک کند.

استخدام توسط هوش مصنوعی می تواند به تأمین منابع ، غربالگری ، استخدام و نگهداری نامزدهای موثر منجر شود.

از آنجا که هوش مصنوعی برای کار کردن ، به داده های بیشتری احتیاج دارد ، مکانی که احتمالاً با استفاده از راه حل های استخدام مجهز به هوش مصنوعی ، فوری ترین سود را خواهید دید ، در شاخص های اصلی عملکرد (KPI) شما مانند زمان استخدام و هزینه استخدام این مناطق احتمالاً جایی است که بیشترین فشار را نیز در آن احساس می کنید.

هوش مصنوعی نه تنها می تواند به بهبود عملیات روزانه شما کمک کند ، که تأثیر مستقیمی بر هزینه های شما خواهد داشت ، بلکه بینش جدیدی را نیز در اختیار شما قرار می دهد که به شما در بهبود استراتژی کلی کمک می کند. حتی ممکن است( KPI) های بهتری برای استفاده در طول مسیر پیدا کنید.

بهبود کیفیت استخدام

در حالی که مطمئناً زمان و هزینه از ملاحظات اصلی است ، اما بهبود کیفیت استخدام (QoH) همچنان پادشاه است. بیش از 40٪ استخدام کنندگان و مدیران استخدام مهمترین عامل در استخدام را ذکر می کنند. برای قرار دادن یک عدد به QoH (همچنین به عنوان شاخص QoH شناخته می شود) ، می توانید درصدی را به عوامل زیر پیوست کنید:

عامل 1: سطح بهره وری استخدام های جدید (که ممکن است شامل درآمد یا فروش یا تحقق اهداف پروژه در بازه های زمانی خاص باشد)
عامل 2: نظرسنجی برای استخدام های جدید و مدیران استخدام برای ارزیابی عملکرد (ایجاد داده ها با استفاده از یک معیار امتیازدهی)
عامل 3: میزان ماندگاری و گردش مالی
از آنجا ، هر عامل را می توان به عنوان یک درصد محاسبه ، اضافه کرد ، سپس به طور متوسط:

شاخص QoH = (عامل 1 + عامل 2 + عامل 3) / 3

اما وقتی داده ها را در دسترس ندارید چگونه می توانید جواب بگیرید؟ خوشبختانه ، برخی از راه حل های جدید قادر به گرفتن داده های غیرمتمرکز از انواع منابع هستند ، از بررسی رضایت داخلی ساده گرفته تا ارزیابی عملکرد جامع. از آنجا ، آنها با استفاده از “یادگیری ماشین” می توانند الگوهای موجود در داده ها را پیدا کنند که می تواند پاسخ های مورد نیاز شما را ارائه دهد .

کاهش تعصب استخدام

داده های جمع آوری شده و گزارش شده توسط نرم افزار جذب نیرو با هوش مصنوعی فقط به مطالعه و بهبود معیار کیفیت کیفیت کمک نمی کند. همچنین به رفع برخی از اشکال آورترین اشکالات انسانی در روند استخدام کمک می کند. حذف تعصب استخدام یکی از بزرگترین چالشهای استخدام امروز است. چه صریح و چه ضمنی ، کلیشه ها و تعصبات شخصی مواردی است که حتی با وجدان ترین افراد استخدام کننده می توانند طعمه آن شوند.

هوش مصنوعی با امکان غربالگری متقاضیان نابینا ، به تساوی شرایط بازی کمک می کند. به عنوان مثال ، Textio ابزاری مبتنی بر وب است که شرح وظایف کلماتی را که نشان دهنده تعصب جنسیتی است بررسی می کند. سایر نرم افزارهای استخدام و ردیابی متقاضیان نیز می توانند به ایجاد سوالات مصاحبه کمک کنند که عاری از تعصب یا سایر عوامل طبیعت انسانی است